O modelo de pré-visualização de texto para fala da Google via OrcaRouter — geração de áudio de baixo custo a partir de entrada de texto.
google/gemini-2.5-flash-preview-tts é um modelo de texto-para-fala desenvolvido pelo Google, atualmente em pré-visualização. Ele converte entrada de texto em áudio de fala, aproveitando a arquitetura…
O modelo converte texto em fala, lidando com tarefas típicas de texto-para-fala: leitura de parágrafos, geração de narrações e criação de áudio para acessibilidade. Ele suporta pontuação e expressões numéricas de forma natural. Por ser um modelo Flash, é otimizado para taxa de transferência e pode processar grandes volumes de texto rapidamente. Ele não oferece suporte a transcrição (fala-para-texto), tradução de idiomas ou entradas multimodais. A saída de áudio é adequada para reprodução em aplicativos. Nenhuma personalidade ou sotaque específico de voz foi confirmado para esta prévia. Os usuários devem testar com seu próprio texto para avaliar a qualidade e naturalidade do áudio.
Este modelo se destaca em cenários onde baixo custo e baixa latência são mais importantes do que áudio com qualidade de estúdio. Os melhores casos de uso incluem: gerar narração para vídeos curtos, podcasts e conteúdo de mídia social; fornecer áudio para chatbots e assistentes virtuais; criar versões em áudio de artigos de notícias ou postagens de blog; prototipar recursos de TTS antes de investir em modelos de ponta; e atender públicos multilíngues se o modelo suportar os idiomas necessários. Como o preço do token de saída é $10 por milhão, é econômico para gerar áudio não crítico onde artefatos ocasionais são aceitáveis.
Se o seu caso de uso envolve volumes extremamente altos (por exemplo, milhões de tokens por dia) e a qualidade do áudio pode ser muito básica, você pode considerar uma alternativa mais barata como o Google's TTS Lite ou o modelo TTS de baixo custo de outro provedor. No entanto, nenhum modelo mais barato é explicitamente fornecido nos fatos. Alternativamente, se você precisa de streaming em tempo real com o menor custo possível por caractere, você poderia avaliar modelos que cobram por caractere em vez de por token. O custo de token de saída deste modelo é relativamente alto comparado ao custo de entrada, então cenários de conversão de texto em fala que geram áudio longo a partir de texto curto podem ser econômicos, enquanto gerar áudio curto a partir de texto longo pode ser menos vantajoso. Sempre faça benchmark da sua carga de trabalho específica para comparar os preços.
Se a sua aplicação exigir áudio de qualidade profissional, tons emocionais expressivos ou diálogo com múltiplas vozes, talvez seja necessário um modelo TTS mais caro, como o Google Cloud Text-to-Speech (WaveNet) ou o Amazon Polly com vozes neurais. Esses modelos oferecem múltiplas opções de voz, suporte a SSML e maior naturalidade, porém com preços mais elevados por caractere ou por segundo. O google/gemini-2.5-flash-preview-tts é uma prévia otimizada para velocidade e custo, portanto pode não corresponder à nuance das soluções TTS empresariais dedicadas. Avalie uma pequena amostra do seu texto com este modelo em comparação com alternativas para determinar se a qualidade atende aos seus requisitos.
Não há benchmarks de latência específicos publicados para este modelo de pré-visualização. Como uma variante do Gemini 2.5 Flash, ele é arquitetado para inferência de baixa latência. Na prática, o tempo de resposta depende do comprimento do texto, da latência da rede para os servidores do Google via OrcaRouter e da carga atual. Os usuários devem esperar uma geração moderadamente rápida para textos curtos (ex.: algumas frases), com textos mais longos levando proporcionalmente mais tempo. Por usar um modelo Flash, ele deve superar modelos TTS mais lentos e de alta qualidade, mas pode não ser tão rápido quanto modelos ultraleves. Para medição precisa de latência, execute testes de carga com tamanhos de entrada típicos usando a API do OrcaRouter.
Com base em informações públicas sobre o Gemini 2.5 Flash, seus pontos fortes incluem inferência rápida, eficiência de custo (preço baixo por token de entrada) e fala com som natural para um modelo leve. O status de pré-visualização significa acesso antecipado à tecnologia TTS mais recente do Google. A precificação sem margem via OrcaRouter garante que você pague apenas a taxa do provedor. O preço por token de entrada (US$ 0,50 por milhão) está entre os mais baixos para modelos TTS. A arquitetura Flash também implica uma menor pegada de carbono por requisição em comparação com modelos maiores.
Este modelo está em pré-visualização, portanto a confiabilidade e a disponibilidade não são garantidas. Nenhuma pontuação de referência (ex.: MOS, CER) é fornecida. Ele não possui recursos encontrados em serviços de TTS maduros: sem suporte a SSML, opções de voz limitadas, sem controle de emoção, sem treinamento de voz personalizado. A qualidade da saída pode ser inconsistente entre diferentes idiomas ou sotaques. Devido ao preço baseado em tokens, longos silêncios ou tokens que não são de fala podem aumentar o custo de forma imprevisível. Não há informações sobre formato de áudio (ex.: WAV, MP3), taxa de amostragem ou profundidade de bits. Os usuários devem verificar a compatibilidade com seu pipeline de processamento de áudio.
O Google Gemini 2.5 Flash é uma família de propósito geral; a variante TTS é especializada para geração de fala. Comparado a um modelo Gemini Flash genérico (que gera texto), a versão TTS adiciona um decodificador para tokens de áudio, tornando-a mais adequada para áudio, mas potencialmente mais lenta devido à etapa de decodificação. Ela não é diretamente comparável aos modelos Flash somente de texto. Especificamente para TTS, concorre com modelos como OpenAI TTS-1, Microsoft Edge TTS e alternativas de código aberto. Não há benchmarks entre modelos disponíveis para esta prévia, portanto comparações diretas são especulativas.
Precificáção é por token: $0.50 por 1 milhão de tokens de entrada e $10.00 por 1 milhão de tokens de saída. Tokens de entrada são o texto que você envia para o modelo. Tokens de saída são os tokens de áudio gerados. OrcaRouter fatura à taxa do provedor com zero margem. Não há taxas adicionais para uso da API além do consumo de tokens. Cobranças são incorridas tanto para solicitações bem-sucedidas quanto para falhas se tokens forem processados. Tokens não utilizados não são cobrados. A cobrança é geralmente mensal, mas verifique os detalhes na sua conta OrcaRouter. Os tokens são contados pelo tokenizador do Google, que pode variar de outros modelos.
Tokens de saída são 20 vezes mais caros que tokens de entrada ($10 vs $0.50 por milhão). Isso é típico para modelos TTS porque gerar áudio é computacionalmente intensivo. Portanto, longos silêncios ou pausas estendidas na entrada podem aumentar a contagem de tokens de saída sem transmitir informações. Otimizar o texto de entrada para ser conciso pode reduzir o custo. Por outro lado, o custo do token de entrada é insignificante; você pode fornecer contexto detalhado sem muita penalidade. Se seu caso de uso exigir a geração de áudio muito curto a partir de um texto muito longo (por exemplo, uma resposta breve de um documento longo), a proporção de custo pode ser favorável.
Nenhum programa específico de cache ou desconto é mencionado nos fatos fornecidos. O OrcaRouter não oferece cache integrado para saídas de modelos. Cada solicitação é processada de forma nova pelos servidores do Google. Algumas plataformas oferecem cache de solicitações idênticas, mas isso não é confirmado para o OrcaRouter. Para usuários de alto volume, entre em contato com o OrcaRouter para consultar possíveis descontos baseados em volume ou capacidade reservada. Até lá, considere que a precificação por token se aplica a cada solicitação.
Comparando com serviços comuns de TTS: o Google Cloud Text-to-Speech cobra por caractere (por exemplo, $0.000004 por caractere para Standard, $0.000016 para WaveNet). O OpenAI TTS-1 cobra $0.015 por 1000 caracteres. Convertendo para por token: este modelo de $10 por milhão de tokens de saída pode ser competitivo para textos curtos, mas caro para áudio longo. Como nenhuma proporção caractere-para-token é fornecida, os usuários devem testar com seu conteúdo. A margem zero do OrcaRouter é uma vantagem sobre as APIs de provedores que adicionam custos extras.
Você usa a API compatível com OpenAI do OrcaRouter na URL base https://api.orcarouter.ai/v1. Envie uma requisição POST para o endpoint chat/completions ou de áudio (se disponível) com o ID do modelo 'google/gemini-2.5-flash-preview-tts'. Para TTS padrão, você pode precisar usar um endpoint dedicado de geração de áudio; consulte a documentação do OrcaRouter para a rota correta. Inclua sua chave de API no cabeçalho Authorization. O corpo da requisição normalmente contém o texto a ser convertido e, opcionalmente, parâmetros como voz ou velocidade (se suportado). O áudio é retornado como tokens codificados em base64 ou uma URL de download, dependendo do endpoint.
Parâmetros comuns suportados por APIs compatíveis com OpenAI incluem: 'model' (obrigatório: 'google/gemini-2.5-flash-preview-tts'), 'messages' ou 'prompt' com o texto, 'temperature' e 'top_p' (podem afetar a variação de áudio se suportados), 'max_tokens' (limita o comprimento da saída). No entanto, para TTS, muitos destes podem não se aplicar. O modelo pode suportar os parâmetros 'voice' ou 'speed'. Nenhum parâmetro específico está documentado nos fatos fornecidos. Consulte a referência da API do OrcaRouter para este modelo. Se o modelo não suportar um parâmetro, ele será ignorado ou retornará um erro.
Se você estiver migrando de outro provedor (ex.: Google Cloud TTS, AWS Polly, OpenAI TTS), precisará alterar seu endpoint para https://api.orcarouter.ai/v1 e atualizar sua autenticação para usar a chave de API da OrcaRouter. Atualize o identificador do modelo para 'google/gemini-2.5-flash-preview-tts'. Em seguida, adapte o formato da sua requisição para o esquema compatível com OpenAI. Por exemplo, se antes você enviava texto em um campo específico, agora usará o array 'messages' ou o parâmetro 'prompt'. O formato de saída de áudio pode ser diferente; talvez seja necessário analisar as respostas base64. Teste com uma requisição pequena antes de migrar o tráfego de produção.
OrcaRouter fornece uma API compatível com OpenAI com endpoints prováveis: /v1/chat/completions para texto-para-texto, e possivelmente /v1/audio/speech para TTS. Para este modelo, o endpoint apropriado é provavelmente o endpoint de fala de áudio. Se isso não estiver disponível, talvez seja necessário usar o endpoint de completions com parâmetros especiais. Os fatos afirmam que o modelo é acessado através da API compatível com OpenAI da OrcaRouter em base_url https://api.orcarouter.ai/v1 com o id do modelo 'google/gemini-2.5-flash-preview-tts'. Confirme com a documentação da OrcaRouter qual endpoint usar para gerar áudio.
O Google Cloud TTS oferece vários tipos de voz (Standard, WaveNet, Studio) com suporte a SSML, criação de voz personalizada e uma ampla variedade de idiomas. O preço é por caractere. Este modelo de pré-visualização (gemini-2.5-flash-preview-tts) usa faturamento baseado em tokens e é uma variante Flash otimizada para velocidade e baixo custo. Provavelmente é menos rico em recursos do que o Cloud TTS, mas pode ser mais econômico para TTS simples e de alto volume. google/gemini-2.5-flash-preview-tts é uma pré-visualização, enquanto o Cloud TTS está geralmente disponível com SLAs. Se você precisa de confiabilidade e recursos avançados, o Cloud TTS é mais seguro; se você deseja baixa latência e baixo custo, experimente este modelo.
OpenAI TTS-1 cobra $0,015 por 1000 caracteres. Ambos os modelos geram áudio a partir de texto. O modelo da OpenAI é conhecido por vozes expressivas e ampla adoção, mas possui um modelo de precificação diferente (por caractere). O google/gemini-2.5-flash-preview-tts usa precificação por token, que pode ser mais barato para textos muito curtos, mas mais caro para textos longos (já que um caractere pode equivaler a vários tokens). O OpenAI TTS-1 é estável e pronto para produção, enquanto o modelo do Google é uma prévia. Você pode usar ambos via OrcaRouter alternando os IDs dos modelos. Teste seu caso de uso específico para comparar custo e qualidade de áudio.
Modelos TTS de código aberto como Coqui TTS, Piper ou Bark são gratuitos, mas exigem hospedagem, manutenção e recursos de GPU. Eles oferecem personalização, mas não têm a velocidade e simplicidade de uma chamada de API. O google/gemini-2.5-flash-preview-tts via OrcaRouter elimina a sobrecarga de infraestrutura e oferece um modelo de pagamento por uso. Para projetos de hobby, o código aberto pode ser mais barato; para produção com latência mínima e gerenciamento, a API é mais fácil. A velocidade e o custo do modelo de pré-visualização podem ser competitivos com alguns modelos de código aberto quando se consideram os custos de hospedagem.
O Amazon Polly oferece uma variedade de vozes, suporte a SSML e um Free Tier (5 milhões de caracteres por mês). O preço é por caractere (Standard $0.000004, Neural $0.000016). O google/gemini-2.5-flash-preview-tts é baseado em tokens, e seu status de preview significa que não há SLAs ou free tier. Para uso de baixo volume, o Free Tier do Polly é atraente. Para alto volume, o preço por token deste modelo pode ser mais barato ou mais caro dependendo da compressão. O Polly suporta muitos idiomas e recursos como léxicos de pronúncia. Este modelo é mais simples, porém mais rápido e de menor custo dependendo do uso.
Compatível com OpenAI — mantenha seu SDK
https://api.orcarouter.ai/v1voice| Entrada / 1M tokens | $0.500 |
|---|---|
| Saída / 1M tokens | $10.00 |
| Moeda | USD |
Estimativa com base no preço de tabela
Apenas uma estimativa — a contagem real de tokens depende do tokenizador do provedor.
Do que os desenvolvedores estão falando esta semana
GET /api/public/models/google/gemini-2.5-flash-preview-ttsAbrir @misc{orcarouter_gemini_2_5_flash_preview_tts,
title = {google/gemini-2.5-flash-preview-tts API},
author = {google},
year = {n.d.},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/google/gemini-2.5-flash-preview-tts}
}google. (n.d.). google/gemini-2.5-flash-preview-tts API. OrcaRouter. https://www.orcarouter.ai/models/google/gemini-2.5-flash-preview-tts